[发明专利]通用物件检测方法及系统

说明书

技术领域

本发明涉及视频监控技术领域，具体涉及一种通用物件检测方法与系统。

背景技术

目前视频监控已经非常普遍，许多场所都安装有摄像头用于监视场所周围的状况。作为视频监控的基本处理部分，物件检测是个非常活跃的研究方向。现有的物件检测通常针对单一的特定的物件例如行人、车辆或动物等进行检测，其涉及的物件检测算法只能检测一种特定的物件，例如算法只能够检测行人，不能将该算法用于检测车辆，否则检测结果通常会出错。也就是说，现有的物件检测算法不能在输入的待检测图像中检测出一般认为是有用信息的物件，即广义的物件。广义的物件是指具有封闭边界的有用物件，又称通用物件。此外，在物件检测过程中，常常遇到动态的背景或者是由于光照导致的背景被误认为是物件而被框选出来的情况，例如水波纹，而这些通常不是希望检测的物件，称之为无定型背景物件，无定型背景与通用物件的形态有很大的区别，无定型背景通常不具有封闭边界。

发明内容

本发明提供一种适用于对通用物件进行检测的方法和系统。

根据本发明的第一方面，本发明提供一种通用物件的检测方法，包括检测过程，所述检测过程包括：对于输入的待检测图像，根据预设窗口进行遍历；在遍历期间，对所述待检测图像进行特征提取，包括提取颜色特征、提取梯度特征、以及提取位置尺寸特征，所述提取位置尺寸特征包括根据预先获得的位置概率表确定出所述待检测图像中不同位置上出现目标的概率；将提取出的梯度特征输入第一支持向量机进行训练，得到与梯度特征对应的第一支持向量机的输出；将提取出的颜色特征、所述第一支持向量机的输出、以及所述待检测图像中不同位置上出现目标的概率输入到预先训练得到的第二支持向量机分类器，输出目标检测结果。

根据本发明的第二方面，本发明提供一种通用物件的检测系统，包括检测装置，所述检测装置包括：特征提取模块，用于对输入的待检测图像，根据预设窗口进行遍历，在遍历期间，对所述待检测图像进行特征提取，包括提取颜色特征、提取梯度特征、以及提取位置尺寸特征，所述提取位置尺寸特征包括根据预先获得的位置概率表确定出所述待检测图像中不同位置上出现目标的概率，还用于将提取出的梯度特征第一支持向量机进行训练，得到与梯度特征对应的第一支持向量机的输出；目标检测模块，用于将提取出的颜色特征、所述第一支持向量机的输出、以及所述待检测图像中不同位置上出现目标的概率输入到预先训练得到的第二支持向量机分类器，输出目标检测结果。

本发明的有益效果是：由于含有物件的小块图像与其邻域图像的颜色一般相差较大，本发明通过提取的颜色特征来区分待检测图像中是否含有物件，又考虑到梯度图对形状和位移的变化不敏感，所以本发明提取梯度特征并使用SVM对其梯度特征进行训练以得到较好的梯度信息，本发明还根据含有物件的小块图像的高宽及其在待检测图像中的位置作为特征来计算待检测图像中与小块图像对应的区域含有物件的概率，结合这三种特征送入SVM分类器进行物件检测，从而，可以不仅仅是关注在某一特定物件的检测，而且能够将待检测图像中所有可能存在有用信息的区域(即通用物件)检测出来。

附图说明

图1为本发明一种实施例的通用物件检测方法的训练过程的流程示意图；

图2为本发明一种实施例的通用物件检测方法的检测过程的流程示意图；。

具体实施方式

本发明根据通用物件如车、人、牛等都是具有完整的闭合曲线而无定型背景物件如天空、草、路等没有完整闭合曲线的特点，使用SVM(Support Vector Machine，支持向量机)分类器组合的方式以及计算先验概率来检测出通用物件。

下面通过具体实施方式结合附图对本发明作进一步详细说明。

[实施例1]

本实施例提供一种通用物件的检测方法，其将输入的待检测图像送入预先训练好的SVM分类器进行检测，由此检测出待检测图像中包含的所有通用物件。该方法包括如图1所示的训练过程和如图2所示的检测过程，具体说明如下。

1.训练过程

对于输入的样本图像，检测操作者在其上选择的目标区域，例如操作者通过鼠标等输入设备在样本图像中框选出含有物件的区域，这里将该区域称为预设窗口或者称为子图，而所输入的样本图像可以称为主图。